I.11Классификация, ранжирование и сопоставление

KomdigiITS-8B-DFK-SFT-V2 — индонезийская мультимодальная модель семейства Mistral 3, дообученная RantiRepo на базе aitf-komdigi/KomdigiITS-8B-DFK-CPT. Модель принимает текст и изображения и предназначена для диалоговой работы с мультимодальными материалами, связанными с DFK — дезинформацией, клеветой и разжиганием ненависти. В обучении использованы LoRA с рангом 16 и alpha 32, три эпохи и набор из 42 981 обучающего и 5 370 проверочных примеров. В датасете указаны классификация текста, извлечение ключевых слов и мультимодальные данные DFK. Репозиторий содержит веса safetensors, использует Transformers и распространяется по лицензии Apache-2.0. Карточка не уточняет контекстное окно и качество по отдельным задачам.

ml6team разработала эту модель для классификации комментариев на токсичные или потенциально вредные. Это дообученная версия distilbert-base-multilingual-cased на переведённом наборе Jigsaw Toxicity Dataset; перевод данных выполнен моделью MariantMT. Модель использует DistilBERT для классификации последовательностей, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов. В README приведены результаты оценки на отложенной части набора: accuracy 95,75%, F1 78,88%, recall 77,23% и precision 80,61%. Данные для обучения не опубликованы из-за лицензии исходного набора Jigsaw. Репозиторий распространяется по лицензии Apache-2.0; для практического применения стоит учитывать, что качество зависит от домена и языка комментариев, а классификация токсичности может ошибаться.

Aditya109 разработал экспериментальную модель Sentence Transformers на базе MPNet, дообученную от FremyCompany/BioLORD-2023 на парах и триплетах названий индийских лекарств. Она преобразует текст в плотные векторы размерности 768 и предназначена для семантического поиска и сравнения брендов лекарств по совпадению действующих веществ, а также для экспериментов с кластеризацией и поиском ближайших соседей. Модель принимает текст. В README указан максимальный размер последовательности 32 токена; метаданные указывают нативный контекст 514 токенов. Для сравнения векторов используется косинусное сходство. На приведённых отложенных наборах дообученная модель превзошла базовую BioLORD по указанным метрикам, однако результаты не подтверждают надёжность в реальном медицинском применении. Данные обучения получены из автоматически обработанного публичного каталога лекарств и не проверялись фармацевтами. Модель нельзя использовать для диагностики, назначения лечения и дозировок, проверки взаимодействий или автоматической замены лекарств. Перед коммерческим использованием следует проверить лицензию исходного набора данных; лицензия самой модели в предоставленных сведениях не указана.

mustapha/e5-small-Quran — англоязычная модель эмбеддингов на архитектуре BERT, предназначенная для извлечения признаков из текста и семантического поиска по материалам Корана и тафсирам. Модель содержит около 40 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт векторные представления. Она опубликована в формате PyTorch под лицензией MIT. Карточка связывает модель с набором данных M-AI-C/quran-en-tafssirs. Её можно использовать для поиска релевантных фрагментов англоязычных толкований Корана и сопоставления текстовых запросов с такими фрагментами. Поддержка других языков или дополнительные возможности в доступных данных не подтверждены.

EditLens-Qwen3-4B — модель классификации текста, разработанная автором репозитория Reneeice для оценки степени редактирования текста с помощью ИИ. Вместо бинарного ответа она выдаёт непрерывную оценку от 0 до 1: низкие значения соответствуют человеческому тексту, промежуточные — частично отредактированному ИИ, высокие — полностью сгенерированному тексту. Модель основана на плотной архитектуре Qwen3-4B с 3,7 млрд параметров и контекстом 32 768 токенов. Она дообучена с помощью QLoRA и использует классификационную голову с четырьмя уровнями редактирования; вероятности классов объединяются в итоговую оценку. Предназначена для проверки редакционных материалов и академических работ, аудита происхождения контента, отбора данных и модерации. README сообщает о тестировании на 6 115 текстах и приводит метрики классификации и корреляции с оценками объёма правок. Модель рассчитана на английский текст; короткие фрагменты дают менее надёжные оценки. Результат показывает предполагаемую степень редактирования, но не намерение автора и не качество текста; возможны ошибки при смене предметной области и при перефразировании. Рекомендуется настраивать порог на данных целевого сценария и учитывать оценку как сигнал, а не окончательный вердикт. Лицензия — Apache-2.0.

GLYPH v1.1 — бинарный классификатор текстов на базе DeBERTa-v3-base, разработанный OGMatrix. Модель определяет, написан ли текст человеком или сгенерирован ИИ. Она предназначена для проверки текстов из академических публикаций, новостей, блогов, форумов, юридических документов и других источников. В README заявлены точность 98,85%, ROC-AUC 0,999 и F1 0,990 на отложенной выборке из 5 050 текстов; длина контекста по метаданным — 512 токенов. Модель обучалась на текстах из разных областей и на генерациях нескольких семейств языковых моделей. Она выдаёт один из двух классов и оценку уверенности. По README, академические аннотации arXiv распознаются хуже других категорий, особенно если текст короткий или шаблонный. Указана лицензия MIT; языковая метка карточки — английский.

SafeShield AI от Sourabh Saxena — модель классификации текста на основе дообученной MuRIL-base-cased, предназначенная для выявления языка вражды и оскорбительного содержания в Hinglish (смеси хинди и английского) и английском. Архитектура — BERT с головой классификации последовательностей; по метаданным модель содержит 264,8 млн параметров и принимает текст длиной до 512 токенов. README описывает два класса: NOT и HOF. Модель подходит для предварительной фильтрации публикаций и помощи при модерации с проверкой человеком, а также для исследований токсичности в Hinglish. На тестовом наборе из 5 907 примеров указаны точность 73,90% и macro F1 0,7352. Хинди и английский перечислены в метаданных; основное назначение — Hinglish и английский текст. Качество ниже на тонкой или контекстной враждебности; README также сообщает о частых ложных срабатываниях на очень коротких текстах и пропусках враждебных примеров средней длины. Результаты могут хуже переноситься на другие платформы, новые выражения, чистый хинди и другие языки. Автор рекомендует человеческий контроль и не советует использовать модель для полностью автоматической модерации или решений с юридическими последствиями. Лицензия в предоставленных данных не указана.

dipesh/Intent-Classification-Bert-Base-Cased — модель классификации текста на основе BERT, представленная в формате TensorFlow. По карточке она обучена с нуля на неизвестном наборе данных; архитектура — BertForSequenceClassification, размер — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отнесения текста к классам, но набор меток и конкретная предметная область не описаны. Карточка не приводит результатов оценки, деталей обучающих данных, рекомендаций по применению или лицензии. Поэтому пригодность модели для конкретной задачи и условия её использования по имеющимся сведениям определить нельзя.

yaongua/korean_kws2 — дообученная модель wav2vec2 для классификации аудио. Она основана на Kkonjeong/wav2vec2-base-korean и содержит 113,3 млн параметров. По архитектуре это Wav2Vec2ForSequenceClassification; репозиторий содержит веса в формате safetensors. Карточка приводит точность 1,0 и loss 0,3679 на наборе оценки, но не описывает метки классов и условия оценки, поэтому практическую интерпретацию этих результатов ограничить нельзя. Модель предназначена для классификации аудио, однако README не уточняет сценарии применения и обучающие данные. Базовая модель предназначена для транскрибации корейской речи, но это не подтверждает, что данный чекпойнт выполняет транскрибацию. Лицензия в предоставленных данных не указана.

KUCIecareCRABAlbertBaseFinetuned — дообученная модель на базе Ariffiq99/e_care_CRAB_COPA_albert_base_finetuned для задач с выбором одного ответа из нескольких вариантов. Она использует архитектуру ALBERT и содержит 136,3 млн параметров; максимальная длина контекста — 512 токенов. Модель может оценивать предложенные варианты и выбирать наиболее подходящий ответ. В README приведены результаты на оценочной выборке: loss 1,3258 и F1 0,3692. Данные обучения не описаны, поэтому эти показатели не позволяют судить о качестве в конкретных сценариях. Модель распространяется по лицензии Apache-2.0.

Это дообученная англоязычная модель классификации последовательностей на базе nlpaueb/legal-bert-base-uncased. Она предназначена для отнесения юридических текстов к категориям; конкретные метки и целевой сценарий не описаны. Модель построена на архитектуре BERT, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Карточка приводит метрики на оценочном наборе: Macro F1 0,3502 и Micro F1 0,8170; состав набора и схема классов неизвестны. Распространяется по лицензии CC BY-SA 4.0.

Lemone-Router-S — модель классификации текста, разработанная Louis Brulé Naudet для маршрутизации запросов по направлениям французского налогового права. Она дообучена на базе multilingual-e5-base и использует архитектуру BERT с классификационной головой; размер составляет 124,3 млн параметров, максимальная длина контекста — 512 токенов. Модель рассчитана на французские тексты и размечает запросы по восьми категориям, соответствующим тематическим ветвям налогового законодательства. Модель предназначена для распределения налоговых вопросов между специализированными компонентами многоагентной системы, а также для классификации обращений и навигации по французским налоговым материалам. В README указаны точность 0,9061 и loss 0,4446 на оценочном наборе. Она опубликована под лицензией Apache-2.0. Качество может отличаться на запросах за пределами французского налогообложения и категорий, использованных при обучении.

LFM2.5-2.6B-RLCD — экспериментальный inference-пакет сообщества на базе LiquidAI/LFM2.5-2.6B, разработанный для быстрого выбора из конечного набора вариантов и формирования типизированного JSON. Он использует Parallel Constrained Decoding: один раз обрабатывает общий контекст, параллельно оценивает допустимые ответы и сериализует результат в Python. Веса базовой модели не изменены; обучение, квантизация и сохранение модифицированных весов не выполнялись. Базовая модель — плотная авторегрессионная текстовая модель семейства LFM2 с 2,6 млрд параметров и контекстом 131 072 токена. README описывает многоязычную поддержку, включая русский, английский, арабский, китайский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, польский, португальский, испанский, тайский и вьетнамский. Подход предназначен для классификационных решений по заданным вариантам и структурированного извлечения данных; это не универсальная генерация свободного текста. В небольшом тестировании на разработческих примерах token PCD был быстрее прямого авторегрессионного вывода, однако точность составила 72,2% на шести новых проверочных случаях, не достигла производственного порога, а вероятности не калиброваны. Модель не следует применять для автоматизации решений без проверки на собственных размеченных данных; README также не рекомендует её для агентного программирования и задач, требующих обширных знаний. Лицензия указана в метаданных как other, поэтому условия использования следует проверить в карточке репозитория.

mesolitica/malaysian-debertav2-base — базовая модель DeBERTaV2, предварительно обученная разработчиком Mesolitica на текстах на малайском языке. Модель содержит 137,8 млн параметров и рассчитана на контекст до 4096 токенов; в репозитории указаны веса в формате safetensors. Это базовый чекпойнт для задач понимания малайского текста и последующего дообучения под конкретные сценарии, например классификацию или извлечение информации. README указывает на предварительное обучение с маскированием токенов и длину контекста 512 для этого режима. Конкретные показатели качества и готовые прикладные задачи не приведены. Лицензия в предоставленных данных не указана.

moralBERT-predict-loyalty-in-text — модель классификации текста, опубликованная пользователем vjosap на Hugging Face. Она предназначена для определения выраженности или наличия темы лояльности в тексте, в рамках набора моделей MoralBERT для предсказания моральных ценностей. Модель содержит около 0,1 млрд параметров и опубликована в формате Safetensors с лицензией MIT. Карточка указывает задачу text-classification; сведений об архитектуре, языках, контекстном окне и обучающих данных в доступных источниках нет.

Jeevesh8/more_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_mnli_ft_17 — модель текстовой классификации, опубликованная пользователем Jeevesh8 на Hugging Face. Она предназначена для задач Multi-Genre Natural Language Inference (MNLI): определения отношения между двумя фрагментами текста, обычно как entailment, contradiction или neutral. Модель основана на BERT-base-uncased и работает с английским текстом. Архитектура включает 12 слоёв Transformer, 12 attention heads, скрытое представление размерностью 768 и словарь из 30 522 токенов; базовая конфигурация BERT содержит около 110 млн параметров. В названии указана длина последовательности 128 токенов, а также специальная схема обучения или инициализации, детали которой в доступных материалах не раскрыты. Сильная сторона модели — использование предварительно обученного BERT для классификации пар текстов в рамках MNLI. Ограничения включают узкую специализацию на текстовой классификации, английский язык и зависимость качества от распределения данных MNLI; модель не предназначена для генерации текста, обработки изображений или универсального многоязычного применения. Информация о лицензии для этого репозитория в доступных источниках не указана.

HalogenFlo/phobert-vsmec-emotion-recognition — модель классификации текста, дообученная разработчиком HalogenFlo на базе vinai/phobert-base. Она предназначена для распознавания эмоций в тексте; архитектура — RoBERTa для классификации последовательностей, размер — 162,4 млн параметров, максимальная длина контекста — 258 токенов. Базовая PhoBERT ориентирована на вьетнамский язык, поэтому модель подходит для классификации вьетнамских текстов. На оценочном наборе указаны accuracy 0,6152 и F1 0,5827. Датасет, наборы меток и подробные ограничения в карточке не описаны. Модель распространяется по лицензии MIT.

Qevi-2B — плотный vision-language чекпойнт от MeerDevelopment, полученный полным дообучением Qwen/Qwen3-VL-2B-Instruct. Модель принимает изображение и вопрос на английском с заранее заданным конечным набором вариантов и оценивает варианты по логитам, выдавая вероятности, например P(Yes) = 0,97. Для штатной работы требуется считывать логиты ограниченного набора ответов; обычный вызов generate() не воспроизводит заявленные результаты. Модель построена на архитектуре Qwen3-VL и распространяется в формате safetensors через Transformers. Она предназначена для закрытых вопросов об изображениях: ответов «да/нет» и выбора одного варианта из списка. README сообщает о повышении точности и калибровки вероятностей относительно базовой модели на внутренних и отложенных доменах. Контекстное окно и отдельный режим работы с видео для этой версии в карточке не описаны. Ограничения: вопросы и шаблоны должны быть на английском, варианты ответа задаются заранее и должны различаться первыми токенами; качество режима оценки упорядоченными словами не проверено. Для свободных описаний модель подходит хуже базовой, поскольку после дообучения генерирует более короткие ответы. Модель не валидирована как классификатор безопасности контента. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Карточка модели nityaak/qwen3-4b-stance-matrix-mtcsd-ezstance-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

SciFive-base-Pubmed — модель семейства T5, разработанная авторами работы SciFive для обработки биомедицинской литературы. Она обучена на текстах PubMed и предназначена для задач понимания и преобразования научных текстов в биомедицинской области. В метаданных указаны 123,8 млн параметров, контекст до 1024 токенов и поддержка английского языка; доступны веса PyTorch и TensorFlow. В карточке Hugging Face основной задачей обозначена классификация текста. Архитектура T5 также поддерживает генерацию текста по текстовому входу, однако README не приводит результатов оценки или подробностей о конкретных сценариях применения. Модель опубликована в 2022 году. Лицензия в предоставленных данных не указана.

Automated Motive Coder — модель классификации текста, разработанная на базе SetFit и дообученной intfloat/multilingual-e5-large. Она использует XLM-RoBERTa для построения текстовых представлений и классификатор OneVsRestClassifier с оценивателями SGDClassifier. Модель обучена методом few-shot learning: сначала контрастивно дообучается Sentence Transformer, затем на его признаках обучается классификационная голова. Модель относит рассказы PSE к четырём классам: достижение (ach), аффилиация (aff), власть (pow) и отсутствие этих мотивов (null). Она предназначена для автоматической разметки таких рассказов и анализа мотивов в текстовых данных. Поддерживает многоязычные входные тексты; максимальная длина последовательности — 512 токенов, размер модели — 658,7 млн параметров. Лицензия — MIT.

Это дообученная модель mDeBERTa-v3-base для выявления позиции автора комментария по отношению к заданной политической стороне. Она сравнивает текст комментария с гипотезами о согласии, несогласии или отсутствии позиции и выбирает класс с наибольшей оценкой entailment. Модель предназначена прежде всего для итальянских комментариев Instagram к публикациям итальянских политиков, в частности по темам общественной безопасности и проблем юга Италии. Модель основана на MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 и содержит около 306 млн параметров; максимальный контекст — 512 токенов. Обучение проведено на 400 вручную размеченных примерах, сформировавших 1050 пар «посылка—гипотеза». В тесте на 100 примерах указаны accuracy 0,70 и Macro-F1 0,66. Лицензия — MIT. Результаты относятся к ограниченной выборке и тематике обучения, поэтому качество на других площадках, темах и формулировках может отличаться.

teacher_emo — дообученная модель BERT для классификации текста, созданная на основе dumitrescustefan/bert-base-romanian-cased-v1. По названию репозитория можно предположить связь с эмоциональной классификацией, однако README не уточняет классы и назначение разметки, поэтому этот сценарий нельзя считать подтверждённым. Модель содержит 151,6 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. В README приведены результаты оценки: F1 0,9342, ROC AUC 0,9586 и accuracy 0,926. Датасет и подробности оценки не описаны, поэтому эти показатели не позволяют судить о переносе качества на другие данные. Базовая модель предназначена для румынского языка; лицензия модели — MIT.

Карточка модели yding03/Titan-Math-Pro на Hugging Face совпадает с карточкой procedure2012/Titan-Math-Pro, поэтому описание составлено по ней. Titan-Math-Pro — модель, представленная авторами как ориентированная на математику и обученная на проверенных доказательствах и конкурсных задачах с контролем промежуточных шагов рассуждения. В карточке указаны результаты сравнительных тестов по математическому и логическому рассуждению, а также здравому смыслу; отдельные численные результаты для полной таблицы не приведены. Метаданные описывают модель как плотную архитектуру BERT (`BertModel`) в формате PyTorch. Задача Hugging Face — извлечение признаков, поэтому модель подходит для получения представлений текста в математических и логических сценариях. README также заявляет о сильных результатах в задачах рассуждения и генерации, но не содержит сведений о способе локального запуска, размере модели, длине контекста или поддерживаемых языках. Лицензия — MIT.

Xuhui/ToxDect-roberta-large — модель классификации токсичного языка, разработанная Xuhui на основе RoBERTa-large и дообученная на твитах. Она определяет, является ли текст токсичным: LABEL_1 означает токсичный, LABEL_0 — нетоксичный. Модель предназначена для модерации пользовательских сообщений и анализа текстов в социальных сетях. Использует архитектуру RoBERTa для классификации последовательностей, содержит 454,1 млн параметров и принимает текст длиной до 514 токенов. Поддерживает английский язык, на котором представлены обучающие данные и пример в карточке. Лицензия в доступных данных не указана.

MCG-NJU VideoMAE Small — видеомодель для классификации действий и событий в роликах. Разработана командой MCG-NJU на основе архитектуры VideoMAE и дообучена с учителем на наборе Something-Something V2 после 2400 эпох предварительного самообучения. Модель обрабатывает видео как последовательность патчей размером 16×16 с помощью Transformer-энкодера, основанного на Vision Transformer. Она классифицирует ролик по одному из 174 классов Something-Something V2. На тестовой выборке этого набора указаны top-1 точность 66,8 и top-5 точность 90,3. Модель подходит для распознавания действий в коротких видео и экспериментов с классификацией видео. В карточке не приведены ограничения по длительности входного ролика или его предобработке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Matteo Fasulo разработал эту модель для определения позиции в политических обсуждениях. Это XLM-RoBERTa-base, дообученная как классификатор последовательностей на наборе ZurichNLP/x_stance; модель содержит 305,2 млн параметров и принимает пару текстов: политический вопрос и комментарий. Она относит комментарий к одному из двух классов: FAVOR (поддерживает вопрос) или AGAINST (выступает против него). Модель предназначена для выявления политической позиции, анализа мнений, многоязычных исследований NLP и оценки методов классификации позиции. В обучающих данных преобладают немецкие обсуждения швейцарской политики; также представлены французский и итальянский языки. Заявлена способность к переносу между языками, включая ограниченную проверку итальянского языка. Контекст модели — 514 токенов. Лицензия — MIT. На валидационной выборке указаны точность и Macro F1 76,87%; на тесте X-Stance Macro F1 составляет 77,348% для новых комментариев на немецком и 76,914% на французском, а для новых вопросов на немецком — 71,334%. Модель предсказывает только поддержку или несогласие, не имеет нейтрального класса и не проверяет фактическую достоверность. Сарказм, неявные мнения и перенос за пределы швейцарской политики могут снижать качество.

Модель разработана Univalle PLN в рамках практикума по обработке естественного языка и представляет собой дообученную версию XLM-RoBERTa-large для бинарного определения сарказма в испанских текстах. Это плотная трансформерная модель с классификационной головой; в ходе дообучения заморозили основную часть модели и адаптировали последние шесть слоёв энкодера и pooler. Размер модели — 658,7 млн параметров, контекст — до 514 токенов. Модель подходит для классификации испанских высказываний как саркастических или несаркастических, например, для анализа сообщений и комментариев. В README указаны результаты на валидационной выборке: accuracy 93,61% и F1 91,68%; эти показатели не гарантируют аналогичного качества на данных другого домена. Модель распространяется в формате safetensors по лицензии MIT.

afrisenti-original-scratch_scratch — модель классификации текста на архитектуре RoBERTa, дообученная автором на неизвестном наборе данных. Она предназначена для присвоения тексту меток; название модели указывает на возможную связь с анализом тональности африканских языков, однако README не подтверждает языки или набор меток. Модель содержит 17,1 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 132 токенов. На оценочном наборе указаны Accuracy 0,6538 и Macro F1 0,6547. Эти результаты относятся к набору, состав и метки которого не описаны, поэтому их нельзя напрямую переносить на другие данные. Модель распространяется по лицензии MIT.

Модель Ahmed Iqbal — дообученный классификатор последовательностей на базе DistilBERT, который определяет, написан ли текст человеком или сгенерирован ИИ, например ChatGPT или GPT-2/3. Она предназначена для проверки подлинности текстов и может использоваться как вспомогательный сигнал в инструментах модерации и выявления плагиата. Модель принимает текст на английском языке и выдаёт класс классификации. Архитектура — DistilBertForSequenceClassification; контекст ограничен 512 токенами. Модель опубликована в формате safetensors и распространяется по лицензии Apache 2.0 согласно метаданным Hugging Face; в README также указана лицензия MIT, поэтому сведения о лицензии в источниках расходятся.